玛北斜坡三叠系百口泉组砂砾岩油藏岩性识别方法

2018-09-06吴俊瞿建华钱海涛庞雷

测井技术 2018年4期

吴俊,瞿建华,钱海涛,庞雷

(中国石油新疆油田分公司勘探开发研究院,新疆克拉玛依 834000)

0 引言

测井资料作为识别储集层岩性的重要手段,在常规的砂泥岩地层中识别岩性可以取得较好的应用效果,但是当地层岩性较为复杂,比如含多种岩性的砂砾岩、火山岩和碳酸盐等储集层,其岩性识别就存在多解性和不确定性,在这样的情况下,油田常用的二元交会图法识别岩性存在较大误差,必须考虑更多对岩性响应敏感的参数,才能提高岩性识别精度,为后续储集层精细评价工作提供可靠的岩性数据。

玛湖凹陷三叠系百口泉组为扇三角洲砂砾岩沉积,地层岩性复杂,砾岩、含砾砂岩、粗砂岩、中砂岩、细砂岩、粉砂岩和泥岩皆有发育,垂向储集层岩性变化快,储集层岩性识别存在较大困难[1-3]。唐勇等[4]认为玛湖凹陷百口泉组发育重力流和牵引流双重流体机制形成的岩相类型;于兴河等[5]按成因类型将砂砾岩岩相划分为9种类型,证实不同岩相对储集层物性的影响;瞿建华、吴涛等[6-7]明确了玛西斜坡百口泉组储层优势岩性为细砾岩、粗砂岩和部分小中砾岩,但对优势岩性的识别没有相应研究。前人针对不同区块砂砾岩储层采用重构曲线法、模式识别、重成分分析法、决策构法常规与特殊测井结合等识别岩性[8-13],利用Fisher判别分析法识别砾岩储层岩性尚不多见。本文从取心资料出发,结合录井、测井和分析化验资料,选用自然伽马相对值、声波时差、补偿密度、补偿中子、深电阻率和浅电阻率6条测井曲线,运用Fisher判别分析,综合6条测井曲线的信息,以期能提高砂砾岩储集层岩性识别的精度,为后续的储集层评价和目标优选提供可靠的指导。

1 研究区地质概况

玛北斜坡(以下简称研究区)位于准噶尔盆地中央坳陷玛湖凹陷的北部,北部紧邻乌夏断裂带,东侧为夏盐凸起。三叠系百口泉组岩性以灰色、褐色砂砾岩、含砾砂岩、泥质粉砂岩为主,夹灰褐色、褐色泥岩及粉砂质泥岩。根据研究区储层研究和油藏分析的需要,以岩心分析资料为依据,根据沉积环境、岩石粒度和储层物性等因素,将百口泉组岩性细分为7种类型,除泥岩非储层外,百口泉组储层岩性有灰色细砾岩、灰色中砾岩、灰色含砾中粗砂岩、褐色砾岩、钙质胶结砾岩和粉细砂岩,其中灰色细砾岩和含砾中粗砂岩为研究区优质储层主要岩性类型。

根据研究区多口井物性资料统计分析和储层方面的研究,储层整体物性较差,属于低孔隙度低渗透率储层,其中物性最好的储层岩性为灰色细砾岩和含砾中粗砂岩,试油获工业油流的井段岩性也主要为这2种岩性,灰色中砾岩物性相对较差,褐色砂砾岩泥质含量较高,钙质砂砾岩比较致密,粉细砂岩粒度较细,这3类岩性的物性均较差,储层发育较差(见表1)。

表1 研究区百口泉组岩性与物性关系统计

*非法定计量单位,1 mD=9.87×10-4μm2,下同

2 岩性分类与测井响应特征分析

研究将砾石含量大于30%的岩石定名为砾岩,含砾5%～30%为含砾砂岩。根据岩石颜色、粒度、胶结类型和物性等将研究区岩石岩性划分为灰色细砾岩、灰色中砾岩、褐色砾岩(泥质含量高,致密非储层)、钙质胶结砾岩(致密非储层)、含砾中粗砂岩类(包括含砾粗砂岩、含砾中砂岩、粗砂岩和中砂岩)、粉细砂岩类(包括含砾细砂岩、细砂岩、粉砂岩、泥质砂岩、泥质粉砂岩)和泥岩类(包括含砾泥岩、粉砂质泥岩和泥岩)7类。7类岩性各测井响应见表2和图1。其中灰色细砾岩和中砾岩的测井响应特征表现为中高伽马、中低密度、低中子、中等声波时差和中高电阻率,伽马值的高低取决于泥质含量的高低;褐色砾岩的测井响应特征表现为中高伽马、高密度、低中子、中低声波时差和低电阻率;钙质胶结砂砾岩的测井响应特征表现为中高伽马、中高密度、低中子、低声波时差和高电阻率;含砾中粗砂岩的测井响应特征表现为低伽马、中低密度、低中子、中等声波时差和中等电阻率;粉细砂岩和泥岩具有相似的测井响应特征,表现为中高伽马、中高中子、高声波时差和低电阻率。从各岩性测井交会图1可以看出,岩性识别效果最好的是深电阻率—密度交会图,符合率仅为74.7%,可见交会图法识别岩性误差较大,不能满足油藏精细评价的要求。

表2 研究区不同岩性测井响应特征

*非法定计量单位,1 ft=12 in=0.304 8 m,下同

图1 研究区不同岩性测井曲线交会图

3 砂砾岩储集层岩性识别中的应用

3.1 Fisher判别分析的基本原理

Fisher判别分析方法的基本思想是投影,即将高维数据点投影到低维空间上,将多维问题转化为一维问题,最终用线性判别函数解决多个总体判别问题。根据组间距离最大、组内距离最小的原则确定判别函数,进而根据建立的判别函数判定未知样品的类别归属[14-16]。

3.2 判别模型的建立

根据研究区14口井取心资料,利用502个岩性样本,选取自然伽马相对值(ΔGR)、声波时差(AC)、密度(DEN)、补偿中子(CNL)和深浅电阻率(Rt、RI)6条测井曲线,利用判别分析法,得到典则判别函数的特征值和方差贡献率见表3,其中第1典则函数和第2典则函数贡献率分别为60.8%和30.1%,累计达到90.7%,包含了绝大部分变量的信息。因此,选择第1典则函数和第2典则函数作为岩性判别的特征变量。通过求解得到第1典则函数和第2典则函数

F1=0.112ΔGR+0.011AC-0.501DEN+

0.757CNL-0.450Rt+0.139RI

(1)

F2=0.068ΔGR-0.020AC-0.458DEN+

0.146CNL+0.389Rt+0.527RI

(2)

根据建立的第1典则函数,补偿密度、补偿中子和深电阻率系数绝对值较大,说明判别函数对这3条曲线最为敏感,由此可知,它们是反映储集层岩性最为敏感的3条曲线。

表3 典则函数特征值与方差贡献率分布

图2为7类岩性第1典则函数和第2典则函数交会图,可以看出利用第1典则函数和第2典则函数交会图能很好区分7种岩性。

图2 第1和第2典则判别函数交会图

3.3 模型的检验与应用

利用回代估计法,对研究区502个岩性样本进行检验,样本预测结果与实际结果对比显示,判别分析预测岩性符合率高达92.2%,说明利用Fisher判别分析建立的岩性判别模型可靠,可以运用于该区复杂砂砾岩储集层岩性预测。

图3 研究区AA54井百口泉组判别分析岩性与岩心岩性对比剖面

图4 研究区AA37井百口泉组判别分析识别岩性

根据建立的岩性判别模型,在研究区进行应用,取得了良好的应用效果。图3为研究区AA54井的取心岩性与判别分析岩性对比图。其中第3道为判别分析识别的岩性,第4道为取心岩性,第7道为典则判别函数曲线道,可以看出,判别分析识别的岩性与取心岩性符合较好,其中3 026～3 050 m井段第1典则判别函数F1值主要分布在-0.42～1.84,第2典则判别函数F2值为0.51～3.78,主要岩性为灰色中砾岩和细砾岩,储层发育较好,试油获得日产油7.52 t,日产气3 230 m3。图4为研究区AA37井的判别分析识别岩性成果图。其中第6道为典则判别函数道,井段3 249～3 260 m第1典则判别函数F1值主要分布在0.78～3.37,第2典则判别函数F2值为-1.36～1.92,主要岩性为灰色细砾岩,储层厚度较大,试油获得日产油8.66 t的工业油流。